observe
О программе
Навык `observe` обеспечивает систематический пассивный мониторинг систем для выявления закономерностей без немедленного вмешательства. Он применяет методологию натуралистического исследования — наблюдение, запись и выдвижение гипотез — для понимания неясного поведения или первопричин. Используйте его для отладки неизвестных проблем, оценки изменений в коде или проверки собственных рассуждений на наличие предубеждений перед принятием мер.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/observeСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
Observe
Frame → witness → record → categorize → theorize → archive.
Use When
- Behavior unclear → action premature
- Debug unknown cause → observe before intervene → no symptom mask
- Post-change → witness effects before more changes
- User patterns over conv → improve future
- Audit own reasoning → biases, habits, errors
- After
learn→ validate model
In
- Required: Target — system, codebase, behavior, user, reasoning
- Optional: Duration/scope
- Optional: Guiding question/hypothesis
- Optional: Prior obs to compare (delta)
Do
Step 1: Frame
Define what + why + perspective.
Observation Protocol by System Type:
┌──────────────────┬──────────────────────────┬──────────────────────────┐
│ System Type │ What to Observe │ Categories to Watch │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Codebase │ File structure, naming │ Patterns, anti-patterns, │
│ │ conventions, dependency │ consistency, dead code, │
│ │ flow, test coverage, │ documentation quality, │
│ │ error handling patterns │ coupling between modules │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ User behavior │ Question patterns, │ Expertise signals, pain │
│ │ vocabulary evolution, │ points, unstated needs, │
│ │ repeated requests, │ learning trajectory, │
│ │ emotional signals │ communication style │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Tool / API │ Response patterns, error │ Rate limits, edge cases, │
│ │ conditions, latency, │ undocumented behavior, │
│ │ output format variations │ state dependencies │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Own reasoning │ Decision patterns, tool │ Biases, habits, blind │
│ │ selection habits, error │ spots, strengths, │
│ │ recovery approaches, │ recurring failure modes, │
│ │ communication patterns │ over/under-confidence │
└──────────────────┴──────────────────────────┴──────────────────────────┘
- Pick target, name explicitly
- Define boundary: in/out scope
- Stance: "observing, not intervening"
- Guiding Q? state but hold lightly → notice outside scope too
- Pick categories from matrix
→ Clear frame: directs attention, doesn't constrain. Observer knows where + categories, stays open.
If err: too broad ("observe everything") → narrow to one subsystem/behavior. Too narrow ("one variable") → zoom out → patterns at edges.
Step 2: Witness
Hold attention, no interpret/judge/intervene.
- Begin systematic obs: read files, trace exec, review history — whatever target needs
- Record what seen, not meaning → desc before interpretation
- Resist fixing problems → note + continue
- Resist explaining patterns → wait for accumulation
- Drift to other target → note drift (may be meaningful), return frame
- Maintain ≥3-5 distinct points before categorize
→ Raw obs collection — specific, concrete, no interpretation. Reads like field notes: "File X imports Y but does not use function Z. File A 300 lines; B 30 lines, similar."
If err: instant analysis ("wrong because...") → analytical habit overrides. Separate phases: obs as fact, then interpretation as separate "hypothesis" note. Strong reaction → note reaction itself as data: "Strong concern when observing X — significant issue or my bias."
Step 3: Record
Transcribe while fresh.
- Each obs = single fact statement (what/where/when)
- Group naturally similar — don't force, notice clusters
- Frequency: once / occasional / pervasive?
- Contrasts: where pattern broke? Exceptions > rules
- Temporal: changed over time or static?
- Exact evidence: paths, line numbers, words, examples
→ Structured 5-15 discrete obs, specific evidence. Detailed enough another observer can verify.
If err: too abstract ("code messy") → ground in specifics → which files, what makes messy? Too granular ("line 47 space before brace") → zoom to pattern level → one-off or systemic?
Step 4: Categorize
Sort, no explain yet.
- Review all → look for natural groupings
- Assign to Step 1 category, or new
- Within category: rank by frequency + significance
- Identify well-documented (many obs) vs blind spots (few)
- Cross-category patterns: same underlying manifests differently?
- Note outliers — most interesting data
→ Categorized map w/ clear groupings. Each category = specific obs supporting. Map shows patterns + gaps.
If err: forced cat → may lack natural grouping (itself a finding — system lacks coherent structure). All in one cat → scope too narrow → zoom out.
Step 5: Theorize
Now — only now — interpret.
- Each major pattern → hypothesis: "exists because..."
- Each hypothesis → supporting evidence
- Each → counter-evidence that disproves
- Rank by explanatory power
- ≥1 contrarian: "obvious = X, could also be Y because..."
- Testable vs speculative
→ 2-4 hypotheses explain major patterns, each w/ specific obs support. ≥1 surprising/contrarian. Obs vs interpretation distinction maintained.
If err: no hypotheses → more obs needed → Step 2. Too many ("everything maybe") → keep 2-3 strongest, set aside. Only obvious → force contrarian: "what if opposite?"
Step 6: Archive
Preserve.
- Summarize: 3-5 patterns w/ evidence
- Leading hypotheses + confidence
- What NOT observed (blind spots)
- Follow-ups to strengthen/weaken
- Durable patterns → MEMORY.md
- Tag context: when, what prompted, scope
→ Archive future sessions can build on. Distinguishes obs (data) from hypotheses (interpretation). Honest about confidence + gaps.
If err: not worth archiving → too shallow OR genuinely routine. Archive negatives too: "Observed X, no anomalies" = useful future context.
Check
- Frame set before obs began (not wandering)
- Raw obs recorded as facts before interpretation
- ≥5 discrete obs w/ specific evidence
- Interpretation separated from obs
- ≥1 surprising/contrarian finding
- Archive specific enough another observer can verify
Traps
- Premature intervention: see + fix immediately → lose broader pattern
- Obs bias: see expected, not present. Expectations filter → frame mitigates not eliminates
- Analysis paralysis: obs endlessly → no action. Set time/data limit, commit to conclude
- Narrative imposition: connecting obs even when connections weak. Not all coherent — disconnected = valid
- Familiarity ≠ understanding: "seen before" ≠ "know why". False confidence
- Ignore own reactions: emotional/cognitive reactions = data. Confusion/boredom/alarm = signal
→
observe-guidance— human-guidance variantlearn— obs feeds learning w/ raw datalisten— outward to user; obs broader to any systemremote-viewing— intuitive, validatable through obsmeditate— sustained attention capacityawareness— threat-focused; obs curiosity-driven
GitHub репозиторий
Похожие навыки
content-collections
МетаЭтот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
polymarket
МетаЭтот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
creating-opencode-plugins
МетаЭтот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
sglang
МетаSGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
